Escoltant Mossegalapoma sempre m’he trobat tirant endavant i enrere per buscar les referències a llibres, películes i altres obres que surten més enllà de les propostes mossegui. Quan dius “ah, doncs millor que li done un cop d’ull a això” i has de parar el podcast per buscar-ho, al final ho oblides. Vaig pensar: i si tingués totes aquestes recomanacions recollides en un lloc?

Doncs amb els models de llenguatge actuals, es pot fer. I força bé.

Com funciona

El pipeline és automàtic:

  1. RSS → Descàrrega: S’escolta el feed RSS del podcast. Si hi ha un episodi nou, es descarrega l’àudio.

  2. Compressió: L’mp3 es comprimeix (mono, 16kHz, 24kbps) perquè cap en 25MB — el límit de Groq.

  3. Transcripció: Whisper de Groq transcriu l’àudio. Tot i que el català no és el seu fort, funciona prou bé.

  4. Extracció de recomanacions: Aquí ve la màgia. Amb un model de text — actualment Claude Sonnet 4.6 — s’analitza la transcripció i s’extreuen les obres recomanades. No totes les mencions compten: el model busca recomanacions explícites, no simplement referències culturals.

  5. Enriquiment: Cada obra es consulta a una API externa per obtenir dades extres:

    • TMDB: pósters, trames i puntuacions de películas i sèries
    • Open Library: cobertes i autors de llibres
    • RAWG: imatges de videojocs
    • iTunes: podcasts

  6. Emmagatzematge: Tot es guarda a SQLite i s’exporta a un fitxer JSON.

  7. Frontend: Un site fet amb Astro llegeix el JSON a build time i genera una pàgina on pots consultar totes les recomanacions per episodi.

Un disseny modular

Una de les coses que m’ha agradat fer és que el sistema és bastant genèric. Canviant la variable RSS_URL, pots processar qualsevol altre podcast. Ara mateix està configurat per Mossegalapoma, però l’arquitectura ho permetria extrapolar a d’altres.

Problemes trobats

No tot ha sigut fàcil:

  • Model d’extracció: Opus era massa overkill (i car). Haiku donava massa falsos positius. Sonnet sembla el punt just entre rendiment i qualitat.

  • Transcripció: Whisper no acaba de pillar bé el català. Moltes obres surten mal transcrites i llavors l’extracció no les troba.

  • Reconeixement: Tot i l’enriquiment amb APIs externes, quan el títol original no coincideix amb el que diuen al podcast (o està en un altre idioma), costa de fer el match.

Estat actual

De moment no crec que l’acabi del tot. La base funciona, però la qualitat de les dades dependrà molt de com evolucioni la transcripció i el reconeixement d’obres. De moment és una prova de concepte que funciona — i que m’ha servit per aprendre algo més jugant amb els models.

Stack

  • Backend: Python, Groq API, SQLite
  • Frontend: Astro, Tailwind CSS
  • APIs externes: TMDB, Open Library, RAWG, iTunes